第四节　问卷信度效度分析信度（Reliability）即可靠性，它是指采用同样的方法对同一对象重复测量时所得到结果的一致性或稳定性的程度。其中，一致性主要检测问卷内部各题目是否检测了相同的内容或特征；而稳定性则是指一种测量工具（如一份设计好的问卷）对同一受测群体在不同的时间段进行反复测量，如果该测量工具是合理的，那么重复测试的结果应该高度相关。由于本问卷是一次性设计和测量，因此主要采用一致性来检测问卷数据的信度。

在Likert态度量表中常用的信度检验方法为“Crobach’s α”系(1)数及“折半信度（Split-half Reliability）”。这里采用Crobach α系数来检验测量信度。这种测量方法，将问卷中每一条目同其他条目进行对比，对量表内部的一致性估计更为谨慎，克服了折半信度的缺点。一般情况下，α系数超过0.7则表明测量具有可以接受的信度。但在先导性研究中，α系数在0.6以上则视为可以接受。本书采用SPSS18.0来检验数据的内部一致性。

效度（Validity）指测量工具能够正确测量出所要测量的特质的程度，分为内容效度（Cotet Validity）、效标效度（Criterio Validity）和结构效度（Costruct Validity）3个主要类型：内容效度也被称作表面效度，主要是指测量目标与测量内容间是否适合。此类效度为判断统计指标是否真的测量到所欲测量到的构念提供了依据。效标效度又称为准则效度或标准关联效度，是指用不同的几种测量方式或不同的指标对同一变量进行测量，并把其中一种方式作为标准（准第四节　问卷信度效度分析信度（Reliability）即可靠性，它是指采用同样的方法对同一对象重复测量时所得到结果的一致性或稳定性的程度。其中，一致性主要检测问卷内部各题目是否检测了相同的内容或特征；而稳定性则是指一种测量工具（如一份设计好的问卷）对同一受测群体在不同的时间段进行反复测量，如果该测量工具是合理的，那么重复测试的结果应该高度相关。由于本问卷是一次性设计和测量，因此主要采用一致性来检测问卷数据的信度。

在Likert态度量表中常用的信度检验方法为“Crobach’s α”系(1)数及“折半信度（Split-half Reliability）”。这里采用Crobach α系数来检验测量信度。这种测量方法，将问卷中每一条目同其他条目进行对比，对量表内部的一致性估计更为谨慎，克服了折半信度的缺点。一般情况下，α系数超过0.7则表明测量具有可以接受的信度。但在先导性研究中，α系数在0.6以上则视为可以接受。本书采用SPSS18.0来检验数据的内部一致性。

效度（Validity）指测量工具能够正确测量出所要测量的特质的程度，分为内容效度（Cotet Validity）、效标效度（Criterio Validity）和结构效度（Costruct Validity）3个主要类型：内容效度也被称作表面效度，主要是指测量目标与测量内容间是否适合。此类效度为判断统计指标是否真的测量到所欲测量到的构念提供了依据。效标效度又称为准则效度或标准关联效度，是指用不同的几种测量方式或不同的指标对同一变量进行测量，并把其中一种方式作为标准（准则），然后用其他指标与这个标准作比较，如果其他指标是有效的，那么这个测量即具备效标效度；结构效度也称作建构效度或构想效度，是指测量工具能够反映概念和命题的内部结构程度。也就是说，如果问卷调查的结果能够测量出理论特征，使结果与理论预期假设一致，我们就认为该问卷数据是具有结构效度的。

在实际操作的过程中，前面两种效度（内容效度和效标效度）往往要求具有定性研究或者具有公认的效标测量，因而难以实现，而第三种方法—结构效度借助统计软件较易实现，并可采用多种方法来实现：

第一种方法较为简单，是通过计算变量之间的相关系数评价结构效度。如果潜变量之间存在相关关系，那么可以通过潜变量的相关系数来评价该问卷数据的结构效度：潜变量显著的相关系数说明理论预期假设成立，该问卷具有较好的结构效度。

第二种方法是通过模型系数评价结构效度。如果模型假设的潜变量之间的关系以及潜变量与可测变量之间的关系合理，那么非标准化系数应当具有显著的统计意义，特别是通过标准化系数可以比较不同指标间的效度。从附录B可以看出本问卷的所有非标准化系数在99%的置信度下都具有统计显著性，这意味着模型的整体结构效度较好。

表5-19为主要变量之间的均值、标准差与相关系数矩阵。可以看出，主要测量变量都在1%的显著性水平上正相关。因变量（RG，PG，MG）相关系数更高，且也具有统计意义上的显著相关性。从相关系数角度，这意味着问卷数据具有较好的结构效度，如表5-19所示。

表5-19　构思变量均值、标准差以及Pearso相关系数则），然后用其他指标与这个标准作比较，如果其他指标是有效的，那么这个测量即具备效标效度；结构效度也称作建构效度或构想效度，是指测量工具能够反映概念和命题的内部结构程度。也就是说，如果问卷调查的结果能够测量出理论特征，使结果与理论预期假设一致，我们就认为该问卷数据是具有结构效度的。

在实际操作的过程中，前面两种效度（内容效度和效标效度）往往要求具有定性研究或者具有公认的效标测量，因而难以实现，而第三种方法—结构效度借助统计软件较易实现，并可采用多种方法来实现：

第一种方法较为简单，是通过计算变量之间的相关系数评价结构效度。如果潜变量之间存在相关关系，那么可以通过潜变量的相关系数来评价该问卷数据的结构效度：潜变量显著的相关系数说明理论预期假设成立，该问卷具有较好的结构效度。

第二种方法是通过模型系数评价结构效度。如果模型假设的潜变量之间的关系以及潜变量与可测变量之间的关系合理，那么非标准化系数应当具有显著的统计意义，特别是通过标准化系数可以比较不同指标间的效度。从附录B可以看出本问卷的所有非标准化系数在99%的置信度下都具有统计显著性，这意味着模型的整体结构效度较好。

表5-19为主要变量之间的均值、标准差与相关系数矩阵。可以看出，主要测量变量都在1%的显著性水平上正相关。因变量（RG，PG，MG）相关系数更高，且也具有统计意义上的显著相关性。从相关系数角度，这意味着问卷数据具有较好的结构效度，如表5-19所示。

表5-19　构思变量均值、标准差以及Pearso相关系数注：**表示在0.01水平（双侧）上显著相关。*表示在0.05水平（双侧）上显著相关；=1289；各潜在构思变量的均值和标准差为相应的观测变量的均值。N

本书采用AMOS18计算各变量的标准化载荷系数并进行分析。附录B为测量模型结果汇总，包括各构思变量测量变量的标准化载荷、均值、标准差以及信度和析出方差。附录B的验证性因子分析结果显示，各研究变量的信度α值均高于0.80，说明问卷的各研究变量信度较高。

结构效度要求测量项目的因子负载超过一定标准，并达到一定的统计显著性水平。在社会科学中，推荐的标准化因子载荷最低水平通常为0.4（Ford，McCallum ad Tait，1986）。从附录B中可以看出，各潜变量测量条目的标准化因子载荷都在0.5以上，这表明测量模型的聚合效度比较高，符合预期要求。此外，各构思变量的析出方差均大于判断值0.50（Hair et al.，2006），也表明模型的聚合效度较好。注：**表示在0.01水平（双侧）上显著相关。*表示在0.05水平（双侧）上显著相关；=1289；各潜在构思变量的均值和标准差为相应的观测变量的均值。N

本书采用AMOS18计算各变量的标准化载荷系数并进行分析。附录B为测量模型结果汇总，包括各构思变量测量变量的标准化载荷、均值、标准差以及信度和析出方差。附录B的验证性因子分析结果显示，各研究变量的信度α值均高于0.80，说明问卷的各研究变量信度较高。

结构效度要求测量项目的因子负载超过一定标准，并达到一定的统计显著性水平。在社会科学中，推荐的标准化因子载荷最低水平通常为0.4（Ford，McCallum ad Tait，1986）。从附录B中可以看出，各潜变量测量条目的标准化因子载荷都在0.5以上，这表明测量模型的聚合效度比较高，符合预期要求。此外，各构思变量的析出方差均大于判断值0.50（Hair et al.，2006），也表明模型的聚合效度较好。模型的各拟合优度指标都是在可以接受的范围内，整体拟合优度令人满意，说明假设的模型因子结构与实际数据的拟合较好。

测量模型确认性因子分析的结果表明，概念模型中各构思变量的测量尺度具有足够的可靠性和有效性。因此，可以认为该样本数据适合进行概念模型的结构方程模型分析。

第五节　研究假设提出与模型构建基于第四章研究，不同企业尽管有其特殊性，但首先也具备一般意义上的一些管理特征，对于一个企业来讲，企业家、战略管理能力、人力资源管理能力、市场营销能力、企业文化、创新能力、运营管理能力、风险管理能力和社会资本管理能力都已经被证明是非常重要的能力。

同时，我们认为企业的成长也经历着一个生命周期，从创业开始，到快速发展壮大，再到成熟，一部分企业还经历着衰退、萎缩，或二次创业后的另一个生命周期。在生命周期各个阶段，企业也在根据企业的规模大小、企业的管理复杂程度、企业所面临的主要挑战等，不断调整着在各个企业关键能力方面的投入，以保持企业的快速健康成长。

基于第四章中企业家、战略管理、人力资源管理、市场营销管理、企业文化、创新管理、社会资本管理、运营管理与风险管理对企业成长影响的理论研究，与第三章中企业不同生命周期的成长性的理论研究，提出如下假设：

1．H1：企业家假设模型的各拟合优度指标都是在可以接受的范围内，整体拟合优度令人满意，说明假设的模型因子结构与实际数据的拟合较好。

测量模型确认性因子分析的结果表明，概念模型中各构思变量的测量尺度具有足够的可靠性和有效性。因此，可以认为该样本数据适合进行概念模型的结构方程模型分析。

第五节　研究假设提出与模型构建基于第四章研究，不同企业尽管有其特殊性，但首先也具备一般意义上的一些管理特征，对于一个企业来讲，企业家、战略管理能力、人力资源管理能力、市场营销能力、企业文化、创新能力、运营管理能力、风险管理能力和社会资本管理能力都已经被证明是非常重要的能力。

同时，我们认为企业的成长也经历着一个生命周期，从创业开始，到快速发展壮大，再到成熟，一部分企业还经历着衰退、萎缩，或二次创业后的另一个生命周期。在生命周期各个阶段，企业也在根据企业的规模大小、企业的管理复杂程度、企业所面临的主要挑战等，不断调整着在各个企业关键能力方面的投入，以保持企业的快速健康成长。

基于第四章中企业家、战略管理、人力资源管理、市场营销管理、企业文化、创新管理、社会资本管理、运营管理与风险管理对企业成长影响的理论研究，与第三章中企业不同生命周期的成长性的理论研究，提出如下假设：

1．H1：企业家假设H11：在创业阶段，企业家越强（越有企业家魅力、能力和精神），则企业的成长性越好；

H12：在快速发展阶段，企业家越强（越有企业家魅力、能力和精神），则企业的成长性越好；

H13：在相对稳定阶段，企业家越强（越有企业家魅力、能力和精神），则企业的成长性越好；

H14：在二次创业阶段，企业家越强（越有企业家魅力、能力和精神），则企业的成长性越好。

2．H2：战略管理假设

H21：在创业阶段，企业的战略管理能力越强，则企业的成长性越好；

H22：在快速发展阶段，企业的战略管理能力越强，则企业的成长性越好；

H23：在相对稳定阶段，企业的战略管理能力越强，则企业的成长性越好；

H24：在二次创业阶段，企业的战略管理能力越强，则企业的成长性越好。

3．H3：人力资源管理假设

H31：在创业阶段，企业的人力资源管理能力越强，则企业的成长性越好；

H32：在快速发展阶段，企业的人力资源管理能力越强，则企业的成长性越好；H11：在创业阶段，企业家越强（越有企业家魅力、能力和精神），则企业的成长性越好；

H12：在快速发展阶段，企业家越强（越有企业家魅力、能力和精神），则企业的成长性越好；

H13：在相对稳定阶段，企业家越强（越有企业家魅力、能力和精神），则企业的成长性越好；

H14：在二次创业阶段，企业家越强（越有企业家魅力、能力和精神），则企业的成长性越好。

2．H2：战略管理假设

H21：在创业阶段，企业的战略管理能力越强，则企业的成长性越好；

H22：在快速发展阶段，企业的战略管理能力越强，则企业的成长性越好；

H23：在相对稳定阶段，企业的战略管理能力越强，则企业的成长性越好；

H24：在二次创业阶段，企业的战略管理能力越强，则企业的成长性越好。

3．H3：人力资源管理假设

H31：在创业阶段，企业的人力资源管理能力越强，则企业的成长性越好；

H32：在快速发展阶段，企业的人力资源管理能力越强，则企业的成长性越好；